我吃故窩宅｜方格子 vocus

我吃故窩宅

我吃故窩宅

28 位追蹤者

喜歡對稱，也喜歡大膽留白，喜歡狗，也喜歡貓，喜歡朝更好的自己邁進--目前在互聯網時代，從事行銷X數據X運營的工作，現在的我，還喜歡窩在家，用簡單的事物填滿每一天。

由新到舊

GA4打雜實作｜動態再行銷與電子商務資料層的美麗相遇從2022年開始，我們「樂屋網」遭遇到了「系統性風險，Systematic Risk」的難題，為何我特別引用了此專有名詞？一般來說，「系統性風險」常應用於金融領域中，泛指了市場風險，大多是天災、政治、社會、經濟面所造成的波動影響，而對照於這一兩年房市所遭遇到的變動（疫情、升息、平均地權條例...等）

GA4打雜實作｜如何拆解GA4資源架構緩解「資料不精確」的問題此專案從部署、測試到上線，總共約莫花了二~三週的時間，一開始，先聊聊為何要啟動此專案的緣由。近期公司正式導入GA4後，當我們拉長時間進行自訂的探索（Explore）資料分析時，常常都會跳出一個討厭的「紅色驚嘆號提示」，它主要想告訴我們的就是，你的資料正在被大量的取樣中，總數與樣本數量的比率會影響資

GA4打雜實作｜運用Google Optimize快速完成你的第一個產品實驗每當我們將公司網站推出上線後，負責產品的PO同事，就開始進入了反覆的優化改善程序，其中，肯定會使用的一項工具當屬「產品實驗」—一般常見的分為A/B版本測試（A/B tests）與多變數測試（MVT, Multivriate tests）。實驗的目的為，只要透過不同的變數修改（例如標題、顏色、圖片以及

資料分析 | Python新手村03_迴圈上一篇介紹了 Python 中的條件判斷，方法是透過了自動程式條件式判斷，以不同劇本的方式來執行動作。然而實際情況下，我們還常會遇到一種問題，就是必須重複執行某些相同的步驟，而迴圈（loop）的設計就是為了解決此「重複執行」的一種控制結構，讓我們可以在條件符合的情況下利用迴圈執行資料的輸入、處理與輸

資料分析 | Python新手村02_條件判斷式經歷過第一次的課程內容後，我們已經初步理解到Python的基本運算功能，接下來就要開始進入到高階語言都有的程式控制邏輯，先來個小小開胃菜—條件判斷。 if敘述直接來帶範例會比較清楚理解：第一次我們輸入國文分數為50分，由於數值50並沒有大於60，第一個if敘述的condition條件判斷就會是F

資料分析 | 業界最愛用的強大競站分析工具SimilarWeb首先，聊聊我與SimilarWeb的不解之緣😊，以前在媒體界擔任產品經理時，老闆最愛問下屬的一件事，別人家競品的網站狀況如何？流量如何？廣告策略有哪些？可是坦白說，沒有認識到別家公司內部員工的話，誰有辦法清楚知道，這時只能想些折衷的辦法，去翻翻網路資訊，或請教一些數位界的前輩，了解是否有哪些第三方

資料分析 | Python新手村01_基本的輸出應用前幾年因為工作方面的需求，花了一些時間自學了Python，進行網站爬蟲與資料分析，但近期由於職務的轉換，Python的實作應用機會減少了許多，對於code撰寫的敏感度也因此降低不少，趁著上個月看到勞動力職能發展協會官網有一門新課程「Python大數據資料探勘分析應用班」正在線上招生，想說既然政府與公

GA4打雜實作｜一次搞懂網站使用者的參與度（Engagement）指標對於定義一個成功產品的重要指標有哪些？雖然每家公司由於商業模式的不同，回覆的答案都不太一樣，有的會說GMV網站成交金額(Gross Merchandise Volume），有的是訂閱總人數、或者認為是業務媒合數...等，但我相信大多數人聽到這類問題時，腦袋裡最快浮現出的，應該都不外乎是參與度指標中的

GA4打雜實作｜搞懂GA4的隱藏轉換秘密就我們習慣的理解，單一目標（轉換）僅會在同一工作階段中被計算一次，也就是說假如購買（Purchase）為我們設定的目標轉換，用戶在同一工作階段期間進行三次的購買行為，目標轉換仍只計算一次，並不會記錄成三次。但是這樣的解讀方法，到了最新版的GA4出現一些變化，在介面的預設中，每次發生的「目標轉換」都

GA4打雜實作｜解決沒有重載頁面的追蹤難題對於我們一般熟悉的Pageview瀏覽追蹤，只要使用者訪問跳轉不同頁面時，網址刷新重新加載頁面，新頁面的Hits就會發送給Google伺服器，最後在GA4中呈現出瀏覽頁面的資料報表。但有一些特殊的狀況，比如網站使用單頁應用SPA（single-page application），或者是Popup視窗

當大家都在談數據做數據，可是你真的走對方向了嗎？近幾年來，市面上總不乏出現各種新名詞，「類火車」、「微解封」、「類普篩」、「元宇宙」、「大數據」...等，這些排山倒海的資訊，讓我們深怕自己一不小心沒跟上，會錯過了世代更迭的腳步，其中，特別是「大數據」這三個字流行最久，也是目前影響企業最深。以台灣市場來說，各類領域的企業，假如發展策略沒有跟大數據扯

GA4打雜實作｜Customer Lifetime Value探討繼上回聊了一些增長的思維與框架（產品開發不是短跑衝刺，要慢慢跑才跑得遠！—淺談增長）後，就有很多朋友詢問說，除了長期監測用戶的留存表現外，還有哪些理解產品增長狀態的數字可搭配使用呢？這問題很好，其實回歸公司的基本運營面，查看盈餘（Profit）增長就是一個最直觀的指標，雖然他是營運的落後結果展現，但

GA4打雜實作｜UTM參數追蹤_FB廣告與通用版GA相同，最新版的GA4「自訂廣告活動」也是採用UTM參數來定義追蹤方式，稍微簡單的介紹UTM，其目的就是為了透過細分流量來源，來達成精密監控行銷成效，以Facebook廣告為例，藉由UTM追蹤，我們能夠清楚知道：由哪一個特定FB行銷活動帶來的流量和轉換成效最好？由哪一個特定FB廣告組合

產品開發不是短跑衝刺，要慢慢跑才跑得遠！—淺談增長我們談到一個新產品的推出，要初期達成流量的增長並不困難，但難就難在將增長維持在「長期且可持續」。為了解決此難題，首要條件是產品必須先滿足用戶的基本需求，創造出真正對用戶有意義的價值，也就是說達成與市場契合後，進而才有辦法主動吸引用戶深度的體驗使用，保持穩定的留存率。 Total Addressabl

打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者復活在前面幾篇文章中，我們曾不斷強調流量紅利的美好時代已逐漸消退，如今企業面臨的最大挑戰是，怎麼打造一個好的「流量池系統」，從增量策略進化到存量策略，其中，我認為最關鍵也或許是CP值最高的部分，就是如何將「流失使用者（Churned Users）」轉變成「復活使用者（Resurrected Users）

打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者留存試想一個情境，早上你起床泡了一杯咖啡，拿起手機看到IG跳出了個新通知，原來是自己的好朋友Tina假日去了一間新開的網美餐酒館，上傳一段有bartender秀出調酒炫技的限時動態影音，精采的畫面令你嘆為觀止，接著，你馬上對此視頻給予按讚回應，沒多久之後，Tina看到並回覆你私訊，還跟你聊了那天的餐點多

GA4打雜實作 | 你的GA追蹤小幫手-Google Tag AssistantGoogle Tag Assistant是一個Google開發的Chrome Extension，它的功能可用來作為識別、驗證和排除公司網站上所出現的各種Google標籤追蹤的問題，包括了以下幾種標籤服務： Google Analytics Google Tag Manager Alerts

學習筆記 | 商業思維 business thinking 職涯躍進的唯一解！一次搞懂企業如何高效運轉（上）書籍資訊書名：商業思維 BUSINESS THINKING 職涯躍進的唯一解！一次搞懂企業如何高效運轉！作者：游舒帆Gipi 出版社：時報出版出版日期：2019/01/22 前言介紹第一章：經營的本質以上觀點就開啟了後面幾章延續的重點，分別進行討論：數據力、運營力、策略力、敏捷力。、

打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者黏著有鑑於此，上述的情況就可能造成公司，必須不斷擴展漏斗頂部的口，投入資源、金錢、時間更大，讓新訪客越來越多，才有辦法使產品不斷成長達標，只是，我們不禁思考著，產品步入到殘酷的市場軍備競賽輪迴中，是唯一的道路嗎？忠誠度循環（Loyalty Loop）適用於數位產品的忠誠度循環設計產品的互動接觸點

「任憑弱水三千，我只取一瓢飲」—你到現在還不懂玩區隔分析嗎？市場區隔是什麼？例如，汽車的TA就可以很清楚的區分為「小資族群」、「親子家庭」、「冒險越野」、「都市貴族」...等，而企業就會因應生產各系列的車款，而這些車款就會呈現出不同的品牌印象、價位區間以及功能訴求。有效市場區隔的條件我們都愛用甚麼變數來區隔市場特徵分群行為分群區隔分析範例小結

GA4打雜實作｜Measurement protocol讓你實現跨場域追蹤Step1：記下你的Measurement ID 第一步應該是不用特別示範，我們到GA4的Admin後，點選Data Streams，接著進入你網站的Stream name，就可以看到它專屬的Measurement ID。 Step2：檢查你的網頁Google developer console

BigQuery 實作| 以Google公開示範資料集進行基本Query練習如果你正在學習SQL，這邊介紹一個方便簡易的方式，不須透過安裝傳統的MySQL，只要利用Google提供的BigQuery開源示範dataset就可以實作練習，另一方面，如果你想應用自己手邊上的資料，也能簡單的使用匯入功能（如何匯入看這邊）。輸入名稱「data-to-insights」。

秒懂活躍使用者【Active users】Active users，中文翻譯為『活躍使用者』，那何謂活躍呢？在一般多數實務上的定義，曾造訪過你的應用程式或網站內容的就可稱做活躍(Active)，而嚴謹一點的說法則必須加上時間因素，比如：網站並沒有帶來高品質(持續造訪)的流量，或是，網站並沒有產生新訪客流量。小結

打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者啟動流量的困境由此可知，曾經的流量紅利時代，已逐漸走入消逝，想要單純依靠獲取新客流量達成商業目標，只會越來越困難，因此，怎麼從「增量」的概念轉移到如何經營「存量」，就變得相當重要了！互動（Engagement）、黏著（Stickiness）、留存（Retention）及增長（Growth）小結

GA4打雜實作｜我要打十個！點擊事件自動追蹤器本次的GA4實作專案，主要是因為發現近期在工作中，每次遇到產品經理release一些新功能後，數據團隊都需要針對許多的點擊按鈕進行事件追蹤，先前的想法比較單純，可能就採取兵來將擋，水來土掩的心態，但久而久之後，覺得這樣的處理設定反而在GTM上產生了一堆的代碼，既管理不易且有點沒效率。

資料分析｜有關係就是沒關係-淺談Apriori演算法最近在公司跟資料科學家一起討論了產品推薦機制的運作邏輯，才開始理解了甚麼是關聯分析（Associative Analysis），覺得挺有趣的，想說把學習心得記錄下來，藉此機會跟大家分享。接著下來，我們就以「樂屋網」產品的使用者行為資料庫，做為假設的範例，進行簡單的解釋說明。條件機率與貝氏定理

學習筆記 | GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維書籍資訊書名：GA到GA4: 掌握網站數據分析新工具的技術原理與商業思維作者：張秉祖出版社：深智數位出版日期：2021/09/16 為何要導入GA4？ GA4的報表分析架構客戶開發 Acquisition 參與 Engagement 營利 Monetization 辨識訪客的方法

GA4打雜實作｜更靈活的來源追蹤工具–查詢參數最近「樂屋網」開發了一個新的專屬買家推薦的Line@，希望透過多一個行銷渠道，可有效召回曾來過樂屋網有進行買屋搜尋的用戶，順便幫忙打一下廣告，當我們於樂屋網平台上瀏覽、追蹤或比較房屋物件後，只要加入樂屋網Line@，未來有相關條件的房子就會透過Line@通知給我們，大概的呈現方式就如下圖。

你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況_下在上集文章中，最後一段有特別提到，Growth Accounting分析法有一個缺點，就是它無法知道用戶生命週期所奉獻的總體價值，也無法清楚理解，流失的用戶是在哪一個生命週期階段流失的，因此，接著下來介紹的第二種分析框架，就剛好用來解決此問題。 Cohorts 結論參考資料：

你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況_上這是2007年知名企業家Marc Andreessen曾說過的一段話，他創造了產品與市場契合這個術語，而這簡單的解釋就是，產品上線後最重要關注的事情，就是看產品能否可滿足這市場的需求，此稱做「Product-market fit」。 Growth Accounting-以用戶增長來看參考資料：

情境實戰演練 | EP4：你的產品沒有不好，只是因為用戶根本沒有Onboarding用戶入職體驗（Onboarding）和實現價值的時間（Time to value）若以產品面來解釋，公司投入一筆預算在曝光產品上，為了讓許多新用戶去熟悉產品，體驗它的功能，感受到它的價值，而這一段使用產品的第一印象導入程序，就叫做Onboarding。不是你的產品不好用，是他們不會用小結

產品數據建構流程 | EP3：尋找你的Aha moment整個用戶體驗地圖有如一個「價值交換」的過程，其中的每一環節皆有可能解決用戶的痛點，提供某些價值，最終讓用戶接觸到「驚喜時刻」（Aha moment，也就是新用戶第一次意識到你產品的價值，以及他們為何需要這產品的關鍵時刻）。

情境實戰演練 | EP3：建立團隊共識的橋樑-產品目標全新產品工具「房仲管家」延續先前的假設情境狀況，接著下來：產品經理把消費者Persona、用戶體驗地圖、競爭者內外分析...等研究工作都討論完畢後，擬訂了產品策略，並找齊了參與產品開發的team，歷經了將近半年的研發時間，上線了一個全新產品工具—「房仲管家」北極星指標的拆解小結

情境實戰演練 | EP2：打造你的產品策略一開始，我們先來重新回顧一下上一集（產品實戰演練 | EP1：課程心得解鎖）說的情境狀況吧： Facebook的前產品副總提到一個好的「產品策略」有四個特點：有想法的，想清楚、解釋明白為什麼要這樣做。客觀的，詳細列出風險取捨。可以執行的，能馬上操作進行的策略。明顯的，就是聽起來理所當然的。

產品數據建構流程 | EP4：找到你的產品北極星當公司訂下了自己的目標後，接下來就必須找出那個評估成功與否的重要指標（就是本篇不斷提到的北極星指標）。一個好的北極星指標應該是可以驅動產品的願景和公司的使命，例如eBay的商業願景是“enabled by people, powered by technology and open to every

情境實戰演練 | EP1：課程心得解鎖接著下來這幾天的系列文章，我就會針對近期手邊工作，剛好遇到的一個真實案例(有經過改編)，主要情境為：房仲常抱怨買家客戶資料太多太雜，要找的區域、預算、需求都不太一樣，有沒有辦法透過甚麼工具，可以讓房仲了解並分類買家的輪廓，讓他們能省時省力的把適合的物件推薦給買家

產品數據建構流程 | EP5：完整的指標體系上一集花了相當多的時間，探討北極星指標的定義，以及將指標劃分成幾個Input Metrics之後（聽得霧煞煞的朋友們，可以先轉過去看這篇：產品數據建構流程 | EP4：找到你的北極星），這僅只能算初步完成了橫向水平的拆解工作，這集的重頭戲將會來到了垂直項目的分解流程。網路上有相當多的資源告訴我們，

產品數據建構流程 | EP2：拆解商業目標拆解商業目標的過程，必需站在商業情境的思考脈絡，先讓所有人都清楚公司的目標，以及為了實現這些目標，我們可以知道影響商業目標的有那些關鍵因素，緊接著，那些因素底下又是如何落地成一個又一個日常的工作任務與專案，自上而下，理順拆解每個執行邏輯。

產品數據建構流程 | EP1：探索產品現況當理解手邊這產品的市場情勢、競爭者、目標客戶與營收模式等資訊後，接下來還需思索它的生命週期落在哪一時間區段裡，一般來說，產品生命週期會經歷四個階段。導入階段：驗證目前的產品市場定位，目標是尋找到產品的第一批Early Adoper。